다음을 사용한 모델 유효성 검사 Ultralytics YOLO

소개

검증은 머신 러닝 파이프라인에서 중요한 단계로, 학습된 모델의 품질을 평가할 수 있게 해줍니다. Ultralytics YOLOv8 의 Val 모드는 객체 감지 모델의 성능을 평가하기 위한 강력한 도구와 메트릭을 제공합니다. 이 가이드는 Val 모드를 효과적으로 사용하여 모델의 정확성과 신뢰성을 보장하는 방법을 이해하는 데 도움이 되는 완벽한 리소스입니다.

Watch: Ultralytics 모드 튜토리얼: 유효성 검사

왜 Ultralytics YOLO 으로 유효성 검사를 해야 하나요?

YOLOv8 의 Val 모드를 사용하는 것이 유리한 이유는 다음과 같습니다:

• 정밀도: mAP50, mAP75, mAP50-95와 같은 정확한 지표를 통해 모델을 종합적으로 평가할 수 있습니다.
• 편리함: 교육 설정을 기억하는 기본 제공 기능을 활용하여 유효성 검사 프로세스를 간소화합니다.
• 유연성: 동일하거나 다른 데이터 세트와 이미지 크기로 모델을 검증하세요.
• 하이퍼파라미터 튜닝: 유효성 검사 메트릭을 사용하여 모델을 미세 조정하여 성능을 개선할 수 있습니다.

Val 모드의 주요 기능

다음은 YOLOv8 의 Val 모드에서 제공하는 주목할 만한 기능입니다:

• 자동화된 설정: 모델이 학습 구성을 기억하여 간편하게 검증할 수 있습니다.
• 멀티 메트릭 지원: 다양한 정확도 지표를 기반으로 모델을 평가할 수 있습니다.
• CLI 및 Python API: 유효성 검사에 대한 선호도에 따라 명령줄 인터페이스 또는 Python API 중에서 선택합니다.
• 데이터 호환성: 학습 단계에서 사용된 데이터 세트는 물론 사용자 지정 데이터 세트와도 원활하게 작동합니다.

사용 예

COCO8 데이터 세트에서 학습된 YOLOv8n 모델 정확도를 검증합니다. 인수를 전달할 필요가 없습니다. model 교육 유지 data 및 인수를 모델 속성으로 사용할 수 있습니다. 내보내기 인수의 전체 목록은 아래의 인수 섹션을 참조하세요.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n.pt')  # load an official model
model = YOLO('path/to/best.pt')  # load a custom model

# Validate the model
metrics = model.val()  # no arguments needed, dataset and settings remembered
metrics.box.map    # map50-95
metrics.box.map50  # map50
metrics.box.map75  # map75
metrics.box.maps   # a list contains map50-95 of each category

yolo detect val model=yolov8n.pt  # val official model
yolo detect val model=path/to/best.pt  # val custom model

YOLO 모델 유효성 검사에 대한 인수

YOLO 모델을 검증할 때 여러 인수를 미세 조정하여 평가 프로세스를 최적화할 수 있습니다. 이러한 인수는 입력 이미지 크기, 일괄 처리 및 성능 임계값과 같은 측면을 제어합니다. 다음은 유효성 검사 설정을 효과적으로 사용자 지정하는 데 도움이 되는 각 인수에 대한 자세한 분석입니다.

이러한 각 설정은 유효성 검사 프로세스에서 중요한 역할을 하며, YOLO 모델을 사용자 지정하고 효율적으로 평가할 수 있게 해줍니다. 특정 요구 사항과 리소스에 따라 이러한 매개변수를 조정하면 정확도와 성능 간의 최상의 균형을 달성하는 데 도움이 될 수 있습니다.

인수를 사용한 유효성 검사 예제

아래 예제에서는 Python 및 CLI 에서 사용자 지정 인수를 사용한 YOLO 모델 유효성 검사를 보여줍니다.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n.pt')

# Customize validation settings
validation_results = model.val(data='coco8.yaml',
                               imgsz=640,
                               batch=16,
                               conf=0.25,
                               iou=0.6,
                               device='0')

yolo val model=yolov8n.pt data=coco8.yaml imgsz=640 batch=16 conf=0.25 iou=0.6 device=0

댓글